Geri Dön

K-En Yakın Komşu Algoritması ile ekonomik özgürlük endeksinin tahmin edilmesi: OECD ülkelerinde örnek uygulama

Prediction of economic freedom categories of OECD countries using the K-Nearest Neighbor Algorithm

PDF İndir

  1. Tez No: 630010
  2. Yazar: ERGİN DEVECİ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ÇİĞDEM ÖZARI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Ekonomi, Economics
  6. Anahtar Kelimeler: OECD, İthalat, İhracat, İşsizlik, Enflasyon, K-NN Algoritması, İndeks, Ekonomik İndeks, Ekonomik özgürlük, K-En Yakın Komşu Algoritması, OECD ülkeleri, OECD, Import, Export, Unemployment, Inflation, Index, Economic Index, Economic freedom, K-Nearest Neighbor Algorithm, OECD countries
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: İstanbul Aydın Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: İktisat Ana Bilim Dalı
  12. Bilim Dalı: İktisat Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Çalışmamda Türkiye'nin de yer aldığı toplam 36 OECD ülkesinin 2017 yılı ekonomik özgürlük endeks kategorilerinin, en çok kullanılan sınıflandırma algoritmalarından biri olan k-NN (K-En Yakın Komşu) algoritması yardımı ile 2016 yılı makroekonomik göstergeler kullanılarak tahmin edilmesi amaçlanmıştır. Bu bağlamda ekonomik özgürlük endeksi ile dört temel makro ekonomik değişkenden (ithalat, ihracat, işsizlik, enflasyon) yararlanılmıştır. Çalışmada öncelikle farklı k değerleri için, verilerin hedeflenen (tahmin edilmek istenen) veriye olan uzakları hesaplanıp, belirlenen uzaklıklar küçükten büyüğe doğru dizilip en yakın uzaklığa bağlı olarak komşuluklar belirlenmiştir. Uzaklığa en küçük olan veri 1. komşu, en büyük olan veri n. komşu (n ise toplam veri sayısı) olarak belirlenmiştir. Bu bağlamda k tane en yakın komşu sınıfları (kategorileri) toplanıp ardından en uygun komşu kategorisine ulaşılmıştır. Bir başka ifade ile bu değişkenler ve ekonomik özgürlük puanları yardımıyla farklı k değerleri ile hesaplanan analiz doğrultusunda OECD ülkelerinin 2017 yılına ait ekonomik özgürlük kategorileri tahmin edilerek gerçek kategorileriyle karşılaştırılmıştır. Bunlara ek olarak k-NN algoritması ve ekonomik özgürlükler ile ilgili geçmiş yıllara ait literatür taraması yapılmıştır. Çalışmadan elde edilen bulgulara göre; yedi ülkede (Belçika, Almanya, Letonya, Lüksemburg, Norveç, İspanya ve Türkiye) tüm k değerleri için algoritmanın doğru tahmin ettiği ve iki ülkede (Yunanistan ve Slovenya) da tüm k değerleri için yanlış tahminde bulunduğu çalışmanın en önemli bulguları arasındadır. Belirlenen k değerlerinden örnek olarak k=1 değeri için %80,5 oranında başarı sağlandığı gözlemlenmiştir.

Özet (Çeviri)

This study is to predict 2017 economic freedom index categories of 36 OECD countries including Turkey by the help of k-nearest neighbor (k-NN) algorithm using the data for 2016. For this purpose, four basic macro-economic indicators (import, export, unemployment and inflation) and economic freedom scores were used. In other words, with the help of analysis implemented with these variables, the economic freedom categories of 36 OECD countries were predicted for the year 2017. In this study, which uses one of the classification methods, the k-NN algorithm, evaluations were made for different k values to measure the sensitivity of k parameter. In this study, first the distances of each data to the predicted data were calculated for different k values, the determined distances were arranged from nearest to farthest, and the neighborhoods were determined based on the closest distance. Data with the nearest distance is labeled as 1. neighbor, data with the farthest distance is labeled as the n. neighbor (n is the total number of data). In this context, k closest neighbor classes (categories) were collected and then the most suitable neighbor category is predicted. In other words, by the help of k-NN algorithm for different k values with macro-economic variables and economic freedom scores, the economic freedom categories of OECD countries for 2017 were estimated and compared with their real categories. In addition to these, a literature review of the previous years related to the k-NN algorithm and economic freedoms has been done. According to the findings obtained from the study; algorithm made the correct prediction for the seven countries (Belgium, Germany, Latvia, Luxembourg, Norway, Spain and Turkey). In addition, algorithm did not make the correct prediction for two countries such as Greece and Slovenia. One of the most interesting discoveries in this study that 80.5% success was achieved for k = 1 value.

Benzer Tezler

  1. Tez No

    774731

    Ejeksiyon fraksiyonu düşük ve korunmuş kalp yetersizliği vakaları için tek sinyal kullanarak makine öğrenmesi tabanlı yeni bir tanı algoritması

    A new machine learning-based diagnostic algorithm using single signal for cases of heart failure with low and preserved ejection fraction

    PINAR ÖZEN

    Doktora

    Türkçe

    Türkçe

    2022

    BiyoistatistikSakarya Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET RECEP BOZKURT

  2. Tez No

    455400

    Süne ve kımıl zararlılarının ses işleme yöntemleri ile sınıflandırılması ve bir gömülü sistem gerçeklemesi

    Classification of sunn pests using sound processing methods and an embedded system realization

    BİLGİ GÖRKEM YAZGAÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MÜRVET KIRCI

  3. Tez No

    956057

    Meşcere parametrelerinin insansız hava araçları (İHA) ile tahmin edilmesi

    Estimation of stand parameters with unmanned aerial vehicles (UAV)

    BURHAN GENCAL

    Doktora

    Türkçe

    Türkçe

    2025

    Ormancılık ve Orman MühendisliğiBursa Teknik Üniversitesi

    Orman Mühendisliği Ana Bilim Dalı

    PROF. DR. TURAN SÖNMEZ

  4. Tez No

    449440

    Veri madenciliği ile karpal tünel sendromuna yönelik ön tanı destek ve hasta takip sisteminin geliştirilmesi

    Developing support of a preliminary diagnosis and patient monitoring systems for carpal tunnel syndrome with data mining

    MEHMET İBRAHİM TALAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Elektronik ve Bilgisayar Eğitimi Ana Bilim Dalı (disiplinlerarası)

    DOÇ. DR. MEHMET RAHMİ CANAL

  5. Tez No

    597033

    Pirinç çeltiğinin çekilmesi sonucu elde edilen pirinç tanelerinin sınıflandırılması işleminin makine öğrenmesi ile gerçekleştirilmesi

    Classification of rice grains obtained from processed rice paddy with machine learning

    KIVANÇ ERMEYDAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTarsus Üniversitesi

    İmalat Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ İREM ERSÖZ KAYA

Geri Dön